一种新的X射线手提行李图像增强方法

针对X射线图像的特点,提出了一种新的X射线手提行李图像增强方法。首先,应用离散小波变换（DWT）对图像进行去噪、融合,然后,结合模糊理论在模糊空间实现图像增强。同时将本文方法与基于灰度分组(GLG)的增强方法、基于直方图均衡 (HE)的增强方法做了比较,实验结果表明,本文方法可以有效地提高图像的清晰度,具有较好的推广能力。     

基于小波变换的苹果X射线图像增强方法研究

目前对果品外观品质的图像检测技术已经比较成熟且已有商业化的产品,但对内部品质的无损检测研究相对较少.该研究采用X射线技术,对霉心病等原因造成的内部腐烂变质苹果进行了检测,由于直接用X射线获得的图像比较模糊,为提高图像的视觉效果,采用小波变换的方法对图像进行增强处理,为检测算法的有效性,实验中同时采用直方图均衡化、局部对比度图像增强的方法对图像进行了处理,实验结果表明,采用小波变换的方法增强图像后,能获得比原始图像更清晰的图像;经过小渡变换处理后的图像信息熵达5.2324,信息熵最小;而对于峰值信噪比这一评价指标,其中小波变换方法的峰值信噪比最大达到24.1002,峰值信噪比也表明小波变换的方法效果好于直方图均衡化、局部对比度图像增强两种常规方法.     

一种层级模糊隶属度的X射线医学图像增强算法

X射线医学图像存在不同程度的边缘模糊以及对比度低等缺点,严重影响了医学图像细节质量,亦常导致医生对病灶的误判与漏判。传统的医学图像增强算法主要针对单一尺度下的边缘消噪增强以及对比度增强而展开,在抑制噪声的同时也削弱了图像的细节部分。针对这一问题,提出一种层级模糊隶属度的X射线医学图像增强算法。所提算法首先采用拉普拉斯金字塔方法将图像分解为多尺度下的子图像,然后对其分层计算模糊隶属度并实现多尺度下的图像加权增强与重构,最后利用双边滤波器对图像实施保边去噪,实现对X射线医学图像的有效增强。与传统方法的实验对比结果表明,所提算法对X射线医学图像具有较强的增强效果,具有一定的理论和实际应用价值。     

一种图像增强新方法

提出了一种四树复小波包变换域层内层间系数相关性图像增强新方法。该方法利用四树复小波包变换具有移不变性、良好方向选择性和对高频信号的细致分析能力,把含噪图像分解成低频逼近子图和若干高频方向子图;在保留低频逼近子图复系数不变的同时,充分利用变换域信号复系数层间相关性强和噪声复系数层间相关性弱的特点,采用非高斯双变量模型对每一个方向子图复系数进行降噪处理。同时考虑图像的弱边缘在变换域某些方向子图内复系数值较大,而在其他方向子带内其值较小的特点,甄别出弱边缘点对应的复系数并进行增强处理。实验结果表明,无论是PSNR指标,还是在视觉效果上,该方法的增强性能均好于传统的双树复小波变换去噪、四树复小波包变换去噪和小波域高斯尺度混合模型去噪,在有效抑制噪声的同时,具有很好的图像弱边缘增强和细节保护能力。     

基于小波融合的射线图像增强算法*

提出一种基于小波融合的射线图像增强算法,利用射线成像的特点,对射线成像系统采集信号作分段灰度变换,将变换得到的多幅图像利用小波变换进行图像融合,以增强射线图像的显示效果。融合中采用低频图像的小波系数均值作为融合后的低频系数,高频图像根据梯度和一致性检测确定融合规则,调整高频小波系数大小,很好地将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,且优于传统的射线图像增强方法。     

基于Curvelet变换的X射线图像增强

针对传统X-射线图像增强方法中图像细节不够清晰或噪声增强过大的问题,基于数学定义严谨的多尺度几何分析方法Curvelet变换,给出了一种灵活的非线性增强函数。首先,对X-射线图像进行Curvelet分解,然后在各精细尺度上对系数按增强函数进行映射,最后根据修正后的Curvelet系数重建图像。实验表明,根据所给定的增强函数,Curvelet变换能有效增强X-射线图像边缘对比度,细节清晰,噪声小,与传统方法比较,具有更好的视觉效果。     

基于梯度场的工业X射线图像增强算法

在X射线成像检测厚薄不均构件时，经常会出现对比度低或对比度不均以及照度低的问题，这会导致图像显示时构件的一些细节难以被观察与分析。针对这一问题，提出一种基于梯度场的X射线图像增强算法。该算法以梯度场增强为核心，分为两步：首先，提出一种基于对数变换的算法，压缩图像的灰度范围、去除图像冗余灰度信息、提升图像对比度；然后，提出一种基于梯度场的算法，增强图像细节、提升图像局部对比度、提高图像质量，使构件细节清晰显示在检测屏上。选择一组厚薄不均构件的X射线图像进行了实验，并与对比度受限自适应直方图均衡化（CLAHE）、同态滤波等算法进行了比较。实验结果表明所提算法具有更明显的增强效果，能更好地显示构件的细节信息，并且通过计算平均梯度和无参考结构清晰度（NRSS）纹理分析的定量评价标准进一步表明了该算法的有效性。     

一种基于粗糙集分类的图像增强方法

该文利用两个特征值属性,图像块的低高频能量和图像块的频域熵对图像进行粗糙集分类,得到边缘区域集合和平滑区域集合。然后分别对边缘区域和平滑区域做模糊增强和邻域平均法平滑,最后将图像重构得到边缘增强的图像,从而使图像的边缘变得更加清晰。     

一种新的基于多小波变换的图像增强方法

小波分析是目前国际上最新的时间频率分析工具，是信号去噪的强有力处理工具．小波变换可以将交织在一起的混合信号分解成不同频率的块信号．多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足．提出了一种新的图像增强方法，该方法以多小波变换为基础，采用多尺度非线性增强技术进行图像增强．实验证明，增强效果良好．     

一种基于小波阈值的图像增强改进算法

提出一种基于平滑滤波的小波阈值图像增强算法,利用邻域平均和小波阈值相结合的方法对图像进行平滑滤波处理。实验结果表明,该方法有利于图像去噪处理,同时边缘信息也得到了较好的保留,使图像具有更好的视觉效果。     

一种新的基于小波变换的自适应MRI增强算法

提出了一种新的基于小波变换的自适应MRI增强算法。该新算法采用两个非线性自适应规则分别增强低频和高频的小波系数,并且在增强图像信号的同时抑制、减小其中的噪声。实验结果表明新算法增强后的图像具有很好的对比度,且结果图像中的噪声要比其他基于小波变换的自适应增强算法得到的增强后的图像中的噪声要少很多。     

一种新的自适应Lee图像增强算法

该文对Lee图像增强算法及其改进型算法进行了较深入的研究,发现了其存在的问题,提出了一种新的图像增强方法。该方法补充了一个有用的非线性变换,增加了原Lee算法的普适性;其次利用灰度值的统计特性达到了图像自适应增强的目的。实验结果表明:新算法不仅具有较大的适用范围,而且能够有效地增强整个图像的对比度,提高图像的视觉效果。     

基于第二代Curvelet变换的自适应图像增强

Curvelet是继小波和Ridgelet之后一种新的图像多尺度表示方法,Curvelet具有多尺度,多方向的特性,属于高度各向异性的变换。第二代Curvelet变换克服了第一代Curvelet变换的高数据冗余度问题,特别是基于”Wrapping”方式的第二代离散Curvelet算法,不仅运算快速、几何真实,而且快速可逆。因此,将第二代Curvelet变换用于图像增强,并通过自适应地确定Curvelet分解子带的噪声水平,实现了一种自适应图像增强方法。实验结果表明,同基于小波变换的图像增强方法相比,该方法具有明显的优势。     

基于尺度相关性的自适应图像增强新算法

针对图像增强算法通常会放大原图像中噪声分量的问题,结合小波变换中相关系数理论,提出了一种基于小波变换的图像增强新算法,利用二进小波变换中各尺度上小波系数间的相关性,有效改善了增强过程中噪声放大问题。实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法。     

基于Bandelet变换域的图像自适应增强算法

提出了基于Bandelet变换域的图像自适应增强的新算法,利用Bandelet变换在表示二维图像线、面奇异性时的优越性,实现了抑制噪声和凸显细节间的有效均衡。按照最小化逼近误差原则,寻找出二进剖分块的几何方向,在最小化均分误差(MMSE)的原则下合并二进剖分块,寻找出图像增强的方向。根据图像增强方向将Bandelet块分为两类:有几何方向的Bandelet块和无几何方向的Bandelet块,并分析了这两类Bandelet块系数的不同特征,从而区分出噪声和信号、清晰边缘和脆弱边缘。在此基础上提出了一种新的增强函数,在抑制噪声的同时,增强较弱细节并保护图像中的清晰边缘不失真。实验结果表明,与传统的图像增强算法相比,该算法在抑制噪声和放大细节特征两方面均有明显改进。     

基于小波变换的图像增强新算法

传统的小波增强算法应用于光照不足或不均匀的图像时处理效果一般,针对该问题提出了基于小波变换的图像增强新算法。首先,对图像进行多级小波分解,得到尺度系数和多个层次的小波系数;然后,对不同层次的小波系数采用不同的增强算法进行处理,同时,对图像的尺度系数采用多尺度方法进行处理;最后,利用得到的小波系数和尺度系数进行小波逆变换。实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法,同时对光照不足或不均匀的图像具有较好的处理效果。